Empenho vs. Pago por Função, 2014-2018

knitr::include_graphics("pics/puc_mprj_inova_small.png")

# Inclusão de pacotes
library(tidyverse)
library(ggthemes)
library(ggforce)
library(plotly)

Lê dados fonte (~705k linhas)

# Lê arquivo de execuções 2014-2018
fname_data <- "data/df_all.rds"
df_all <- read_rds(fname_data)
tibble(fname=fname_data,
       lines=nrow(df_all),
       cols=ncol(df_all)) %>%
  knitr::kable() %>%
  kableExtra::kable_styling("striped")
#> Warning in kableExtra::kable_styling(., "striped"): Please specify format
#> in kable. kableExtra can customize either HTML or LaTeX outputs. See
#> https://haozhu233.github.io/kableExtra/ for details.

fname	lines	cols
data/df_all.rds	705527	33

# Renomeia/seleciona colunas utilizadas
df_all_clean <- df_all %>%
  # era: rename(), select() deixa df menor
  select(ano,
         func_cod=`Função`,
         func=`Nome Função`,
         empenhado=`Valor Empenhado`,
         liquidado=`Valor Liquidado`,
         pago=`Valor Pago`)
df_all_clean %>%
  head(5) %>%
  knitr::kable() %>%
  kableExtra::kable_styling("striped")
#> Warning in kableExtra::kable_styling(., "striped"): Please specify format
#> in kable. kableExtra can customize either HTML or LaTeX outputs. See
#> https://haozhu233.github.io/kableExtra/ for details.

ano	func_cod	func	empenhado	liquidado	pago
2014	06	Segurança Pública	27420994	27420994	27420994
2014	08	Assistência Social	80000	0	0
2014	04	Administração	0	0	0
2014	23	Comércio e Serviços	1428294	1428294	1428294
2014	20	Agricultura	12674	12674	12674

# Nomes das funções são únicas por código?
df_all_clean %>%
  count(func_cod,func) %>%
  count(func_cod,name="nn") %>%
  count(nn)
#> # A tibble: 1 x 2
#>      nn     n
#>   <int> <int>
#> 1     1    25

Top 5 funções por valor empenhado

df_top_funcs_empenhado <- df_all_clean %>%
  group_by(func_cod,func) %>%
  summarize(n=n(),
            empenhado_b=sum(empenhado)/10^9,
            pago_b=sum(pago)/10^9,
            ) %>%
  ungroup() %>%
  arrange(desc(empenhado_b)) %>%
  head(5) %>%
  mutate(rank=row_number(),
         func=func%>%fct_drop%>%fct_inorder,
         func_cod=func_cod%>%fct_drop%>%fct_inorder) %>%
  select(rank,everything())
df_top_funcs_empenhado %>%
  knitr::kable(digits=0) %>%
  kableExtra::kable_styling("striped")

rank	func_cod	func	n	empenhado_b	pago_b
1	09	Previdência Social	11506	7478	6988
2	06	Segurança Pública	77487	3991	3365
3	28	Encargos Especiais	15356	3696	3600
4	12	Educação	235933	2520	2181
5	10	Saúde	78066	1645	1127

Compara: empenhado x liquidado x pago

df_all_clean %>%
  mutate(func=func%>%fct_reorder(-empenhado,sum)) %>%
  filter(as.integer(func)<6) %>%
  mutate(func=func%>%fct_drop%>%fct_rev) %>% # for coord_flip
  group_by(func) %>%
  # milhoes
  summarize_at(vars(empenhado,liquidado,pago),
               list(~(sum(.)/10^9))) %>%
  gather("tipo","valor",-func) %>%
  mutate(tipo=factor(tipo,levels=c("pago","liquidado","empenhado"))) %>%
  ggplot(aes(func,valor,group=tipo,fill=tipo)) +
  geom_col(position="dodge") +
  coord_flip() +
  labs(title="Valores Totais por Função",
       subtitle="Top 5 por empenho total 2014-8",
       y="Valor (R$ bilhões)") +
  theme(legend.position = "top",
        legend.title = element_blank(),
        axis.title.y=element_blank())

Facetas: valores por ano

df_all_clean %>%
  mutate(func=func%>%fct_reorder(-empenhado,sum)) %>%
  filter(as.integer(func)<6) %>%
  mutate(func=func%>%fct_drop%>%fct_rev) %>% # for coord_flip
  group_by(ano,func) %>%
  # milhoes
  summarize_at(vars(empenhado,liquidado,pago),
               list(~(sum(.)/10^9))) %>%
  gather("tipo","valor",-func,-ano) %>%
  mutate(tipo=factor(tipo,levels=c("pago","liquidado","empenhado"))) %>%
  ggplot(aes(func,valor,group=tipo,fill=tipo)) +
  geom_col(position="dodge") +
  coord_flip() +
  labs(title="Valores Totais por Função",
       subtitle="Top 5 por empenho total 2014-8",
       y="Valor (R$ bilhões)") +
  theme(legend.position = "top",
        legend.title = element_blank(),
        axis.title.y=element_blank()) +
  facet_wrap(~ano)

Interativo: Empenhado vs Pago

top_levs <- df_top_funcs_empenhado$func%>%levels
df_all_clean_gathered <- df_all_clean %>%
  { suppressWarnings(inner_join(.,df_top_funcs_empenhado%>%
                                  select(rank,func_cod),
                               by="func_cod")) } %>%
  arrange(rank) %>%
  mutate(func=func%>%fct_drop%>%fct_inorder) %>%
  group_by(ano,func) %>%
  summarise(empenhado=sum(empenhado),
            pago=sum(pago)) %>%
  ungroup() %>%
  gather("tipo","valor",empenhado,pago)

abbrev_func <- function(s_vec) s_vec %>% str_split(" ") %>% map_chr(~.x%>%str_sub(end=3)%>%str_c(collapse="."))
anos <- df_all_clean_gathered$ano%>%as.character%>%unique
p <- df_all_clean_gathered %>%
  mutate(tipo=tipo%>%fct_recode(emp="empenhado",pag="pago"),
         func=func%>%abbrev_func%>%fct_inorder,
         valor=(valor/10^9)%>%round(1),
         func_tipo=func%>%str_c("_",tipo)%>%fct_inorder) %>%
  ggplot(aes(ano,valor,
             group=func_tipo,
             color=func,linetype=tipo)) +
  scale_linetype_manual(values=c("dotted","solid"))+
  geom_line(size=I(1.2)) +
  labs(title="Valor Anual por Função",
       subtitle=sprintf("Anos %s-%s, Top 5",
                        min(anos),max(anos)),
       y = "Valor Total (R$ bilhões)") +
  theme_minimal() +
    theme(legend.position = "bottom",
          legend.title=element_blank(),
          axis.title.x=element_blank())
ggplotly(p,tooltip=c("func","valor","tipo")) %>%
  # hide_legend() %>%
  config(displayModeBar = F)%>%
  layout(legend = list(orientation="v",font = list(size = 8)))

Empenho vs. Pago por Função, 2014-2018

Daniel Lima (MP-RJ), Dan S. Reznik (PUC-CCE)

Abril, 2019

Lê dados fonte (~705k linhas)

Top 5 funções por valor empenhado

Compara: empenhado x liquidado x pago

Facetas: valores por ano

Interativo: Empenhado vs Pago